Порядок выполнения работы:

Домашнее задание состоит из пяти частей:

• в первой части необходимо самостоятельно разработать простой алгоритм распознавания речевых команд;

• вторая часть посвящена оптимизации полученного алгоритма средствами нечеткой логики;

• в третьей части требуется составить программу для автоматического построения нечёткой модели и векторов признаков в среде MATLAB;

• в четвертой части необходимо проверить первую часть, используя алгоритмы третьей части;

• наконец, в пятой части предлагается построить систему распознавания на основе нейронной сети.

Часть 1: Разработка простого алгоритма распознавания речевых команд

Для выполнения первой части домашнего задания необходимо распределиться по группам, состоящим из двух человек. Группа выбирает команды для распознавания. Далее каждый самостоятельно произносит и анализирует команды, ранее согласованные со своим коллегой. После окончания эксперимента необходимо обменяться результатами, для дальнейшего исследования системы на дикторонезависимость.

Необходимо решить следующие две задачи:

• провести предварительную обработку звуковых команд и сформировать вектора признаков;

• выполнить непосредственное распознавание команд.

1.1. Ознакомление с возможностями программ CoolEdit Pro и Spectra_Lab

Графический интерфейс программы CoolEdit состоит из главного и вспомогательного меню, меню управления воспроизведением/записью и рабочей области. Слева расположено окно выбора трека, внизу – индикатор допустимой амплитуды.

Существует два режима работы этой программы (переключаются кнопками исоответственно). Первый служит для микширования, другой - для записи одного wav-файла. В работе используется второй режим, который позволяет записать звуковой сигнал, вырезать ненужные куски, клеить, накладывать эффекты, просматривать АЧХ и др.

SpectraLab – наиболее простая программа для построения АЧХ сигнала. С ее помощью можно получить до четырех АЧХ одновременно в реальном масштабе времени, отобразить характеристики записанного файла, а также вывести полученный график в текстовом формате. Эта возможность используется в данном задании.

1.2 Запись команд

Запишем 6 любых голосовых команд, к примеру: «один», «два», «три», «четыре», «восемь» и «тринадцать». Каждую команду запишем по три раза с приблизительно одинаковой интонацией. Для этого сначала подключите микрофон к соответствующему выходу компьютера, затем откройте окно настройки звука и убедитесь, что в свойствах записи выбран микрофон (рис.2).

Откройте окно программы CoolEdit, перейдите в режим одного трека, затем выберите меню «File» => «New», параметры записи 44,1 кГц, 16 бит, моно, можно и другие, и запишите первое слово (кнопка ). (При других настройках, возможны проблемы в работе программы). Если амплитуда «зашкаливает» за белую линию, как на рис. 3, уменьшите уровень записи и повторите операцию (очень малый уровень сигнала также нежелателен). Затем сохраните документ в формате wav. Удобнее всего создать для каждого слова свою директорию и сохранить в ней 3 варианта записи. Запишите остальные файлы.

1.3. Обработка записанных треков

В основе алгоритма распознавания лежит спектральный анализ звука. Поэтому, чем меньше шумов будет в звуковом сигнале, тем лучше. Для этого необходимо удалить фрагменты, не относящиеся к слову (например, вдох и выдох). При допустимом отношении сигнал/шум на временной шкале четко видно, где шум и где слово (рис. 4). Чтобы вырезать участок сигнала из звукового файла в окне программы CoolEdit необходимо выделить его (левой кнопкой мыши) и нажать DEL.

Проделайте те же действия с остальными командами и сохраните соответствующие файлы.